反向工程：三大商业专利数据库的AI检索辅助功能

△个人观点，勿上纲上线。

一、Himmpat

检索三大应用场景：需求转检索/检索式优化/要素提炼。

检索式处理逻辑（逆向工程）：

S1，用户端输入信息；

S2，服务端获取用户的输入信息并进行理解，提炼检索要素；

检索要素包括：技术领域、技术特征；

S3，检索要素调优。

S4，检索式拼接

将关键词拓展的“、”修改为布尔连接符“ or ”；

根据技术领域，技术方案，获取预配置的检索字段；组合检索字段与关键词、IPC分类号信息，得到拼接后的检索式；拼接方式为：将拓展后的关键词用AND连接；分类号用OR连接后与关键词组用AND连接。

S5，优化

     检索式优化

           检查连接符：所有OR/AND连接符使用正确

           所有OR/AND连接符使用正确

           英文词组"water removal"已加双引号

     检查字段格式：

            检索字段/ta和/IC前无多余空格

      完整性检查：

            原检索式中的"壳"、"弹簧"、"干燥"等核心词均已保留；

            所有扩展词均通过OR连接；

      分类号优化：

            仅保留主分类大组（符合单一层级原则）；

            大组数量控制在3个。

分类号推荐逻辑（逆向工程）：

S1、对检索任务的分析：

S2、对分类号专家库提供的分类号筛选依据：根据上述分析，需要筛选出与数据加密、通信安全以及AI模型应用相关的分类号。在专家库中，与数据加密和通信安全相关的分类号可能符合要求，如涉及保密通信、安全通信装置、加密方法等分类号；与AI模型应用相关的分类号也可能适用。

S3、基于检索目的，补充分类号的考虑：目前筛选的分类号基本涵盖了主要方面，但考虑到该方法应用于充电桩和新能源汽车端的CAN总线通讯。

一句话点评：基本覆盖了IPR的三大使用场景。

二、patsnap

检索策略自动生成逻辑（逆向工程）：

S1，用户端输入信息；

S2，服务端获取用户的输入信息并进行理解，提炼检索要素；

检索要素包括：技术领域、技术特征；

S3，推荐检索要素的相关IPC分类号

S4，生成检索策略记录；

根据检索要素，创建多个子检索式；

根据子检索式，检索数据库，得到检索结果数量；

根据子检索式，组合得到检索式；

展示多个子检索式及组合检索式的信息。

一句话点评：检索策略这个功能，真的不是帮某些人做文档用的吗？

三、incoPat-Lite

一句话点评：输入信息5000字符的限制，跟另外两家比，有点弱了。

感谢您的随手、分享和  。